🙋魔搭ModelScope本期社区进展：📟4924个模型，📁357个数据集，🎨99个创新应用，📄 9篇内容：

近日，上海人工智能实验室（上海AI实验室）重磅开源发布了多模态大模型书生·万象 InternVL3.5，通过创新的级联式强化学习（Cascade RL）、动态视觉分辨率路由与解耦部署架构，实现推理能力、部署效率与通用能力的全面升级。

很高兴向大家宣布，ModelScope AIGC 专区的工作流功能正式上线！

AI生成的视频音效，已经可以用于视频制作了。

在大型团队中，Bug管理因多分支开发、沟通疏漏等问题易导致生产事故。本文介绍了基于go-git开发的git-poison工具，通过分布式源码管理实现Bug的追溯与查询，降低协作成本，提升发布安全性。

GPT-5 是 OpenAI 于 2025 年 8 月推出的最新大模型，具备智能路由机制，自动切换快速回复与深度思考模式。其编码能力领先，医疗推理表现优异，综合性能全面，广泛应用于企业与办公场景。模型在减少幻觉、提升准确率方面进步显著，但创意写作略显保守，初期路由系统也出现短暂故障。总体评分 91/100，展现强大而均衡的能力，是迈向 AGI 的重要一步。

Spring AI 更新结构化输出转换器，弃用旧版 Parser 类，引入与 Spring 框架对齐的 Converter 体系，提升命名规范与功能兼容性。新版本支持 JSON、XML 及 Java 对象转换，确保 LLM 输出结构化，便于下游应用处理。

今天，通义万相的视频生成模型又开源了！本次开源Wan2.2-S2V-14B，是一款音频驱动的视频生成模型，可生成影视级质感的高质量视频。

AI界的篮球赛AI-BA来了，NBA中国赛2025比赛门票等你来拿

今天，面壁智能正式开源 8B 参数的面壁小钢炮 MiniCPM-V 4.5 多模态旗舰模型，成为行业首个具备“高刷”视频理解能力的多模态模型，看得准、看得快，看得长！高刷视频理解、长视频理解、OCR、文档解析能力同级 SOTA，且性能超过 Qwen2.5-VL 72B，堪称最强端侧多模态模型。

一副AI眼镜帮你实时智能识别、一只机器狗陪你跑跨栏、一条机械臂听你指挥、一场与机器人的点球大战——这可不是科幻电影，这是2025云栖大会即将上演的现实。

字节跳动 Seed 团队正式发布了 Seed-OSS 系列开源大型语言模型，提供强大的长上下文、推理、代理和通用功能，以及对开发者友好的多功能特性。

继 7 月 26 日开源『书生』科学多模态大模型 Intern-S1 之后，上海人工智能实验室（上海AI实验室）在8月23日推出了轻量化版本 Intern-S1-mini。

用Qwen-Image打破常规！将家乡的地标、方言、美食或热梗，通过错位混搭（赛博山水×古风建筑？霓虹城市×传统小吃？）或风格化创作（复古卡通、漫画方言…）焕发全新视觉冲击力！

解锁AI高效部署新路径，共赴智能创新璀璨未来

通义千问团队开源发布Qwen-Image-Edit，基于20B的Qwen-Image模型，支持语义与外观双重编辑，可精准修改图片中的文字内容，并具备强大的跨基准性能表现，适用于IP创作、虚拟形象生成等多种场景，提供丰富的图像编辑能力。

介绍一个开源可用的 MCP Tool Use 通用工具使用的 AI Agent (GitHub: https://github.com/AI-Agent-Hub/mcp-marketplace ，Web App https://agent.deepnlp.org/agent/mcp_tool_use，支持大模型从Open MCP Marketplace (http://deepnlp.org/store/ai-agent/mcp-server) 的1w+ 的 MCP Server的描述和 Tool Schema 里面，根据用户问题 query 和 工具 Tool描述的 相关性，选择出来可以满足

我计划参加魔搭（ModelScope）平台上的Qwen-Coder比赛，通过制作一段视频，分享我开发人脸识别工具的过程。这段视频将以轻松幽默的方式，结合生活中的真实案例，展现如何利用AI技术解决普通人面临的隐私与安全问题。

🙋魔搭ModelScope本期社区进展：📟5285个模型，📁497个数据集，🎨59个创新应用，📄 9篇内容

🔥 这个夏天，开源热潮比气温更燃！Qwen3、GLM4.5、混元、Wan2.2、Qwen-Image等重磅模型密集发布，MoE、多模态、Agent、生图视频全爆发，ModelScope 全程 Day0 支持，生态持续进化中！

有没有想过，随手拍的一张风景照，下一秒就能变成可操控的游戏开放世界？

2025 杭州·云栖大会，来了！9月24日至26日，杭州·云栖小镇

LoRA 模型的全新玩法——AutoLoRA 带你体验 LoRA 检索与融合的魔法

通义千问团队最新开源的图像生成模型 Qwen-Image，凭借其出色的中文理解与文本渲染能力，自发布以来获得了广泛关注与好评。

为了充分挖掘魔搭社区 Diffusion LoRA 模型的潜力，我们开发了一个自动 LoRA 检索与融合框架：AutoLoRA。他可以根据输入的文本提示，从 LoRA 候选池中检索到 个与提示词相关的LoRA，然后通过集成一个门控融合模块在生成图片的时候促进多个 LoRA 协同工作，充分发挥各个 LoRA 的能力。

🙋魔搭ModelScope本期社区进展：📟2268个模型📁165个数据集；🎨78个创新应用📄 13篇内容

8月23日，南京场Unstructured Data Meetup 将在阿里中心·南京建邺 江苏省南京市建邺区沙洲街道新城科技园科技创新综合体A2栋举办。

视觉语言大模型（VLM）已经成为智能系统的关键基石。随着真实世界的智能任务越来越复杂，VLM模型也亟需在基本的多模态感知之外，逐渐增强复杂任务中的推理能力，提升自身的准确性、全面性和智能化程度，使得复杂问题解决、长上下文理解、多模态智能体等智能任务成为可能。

8月2日下午，魔搭社区ModelScope 联手 AMD，在杭州办了场有料有趣的「Agent × MCP」开发者实践专场！

代码人生，不止0和1 | 搭友故事征集令启动！

本文介绍了利用LangChain的QAGenerationChain从文本生成问题-答案对（QA pairs）的方法，旨在解决LLM应用开发中测试数据生成的格式不统一、库版本过时、模型输出异常及代码可维护性差等问题。文中提供了完整的代码实现，并对生成结果进行了有效性评估，包括语义相似度检查、关键词匹配和重复性检测，确保生成的QA对质量可靠，适用于知识库测试与评估。